Pensamiento complejo Edgar Morin

Sistemas complejos y modelos
de simulación computacional
Seminario de Posgrado
Facultad de Ciencias Políticas y Sociales
Universidad Nacional de Cuyo
16, 17 y 18 de mayo de 2013
Nuevos desafíos epistemológicos, teóricos
y metodológicos para las Ciencias Sociales
Dr. Leonardo G. Rodríguez Zoya

3
Introducción
00
Presentación del
Seminario

Unidad I
Introducción general a la
problemática de la
complejidad

Índice Unidad I
01 El problema de la complejidad
02 El pensamiento complejo de Edgar
Morin
03 La teoría de los sistemas complejos
de Rolando García
04 Las ciencias de los sistemas
complejos
05 La complejidad y las ciencias sociales

6
Introducción
01
El problema de
la complejidad

Sistemas complejos y modelos de simulación computacional
Nuevos desafíos epistemológicos, teóricos y metodológicos para las Ciencias Sociales
La complejidad como problema
• En el sentido común: (i) complejidad = dificultad,
límite, obstáculo (ii) complejidad = complicación
• ¿Qué es la complejidad? No hay definición del
sustantivo (Cf. García, R. 2000, 2006).
– Implicancia: poner en cuestión expresiones como
‘teoría de la complejidad’, ‘ciencias de la complejidad’.
– Evitar usos ‘esencialistas’ del concepto.
• La complejidad como adjetivo: lo complejo.
– Implicancia: inclusión del sujeto ¿quién predica?
Complejidad como atributo constitutivo del
vínculo cognoscitivo: sujeto-objeto.

Trade-off
Tensión epistemológica
Lo complejo como
atributo,
característica,
propiedad
«intrínseca» o
«natural» de
ciertos fenómenos.
Lo complejo para
un sujeto es un
obstáculo de
conocimiento.
Cualidad atribuida
por el sujeto a un
objeto de
conocimiento.
1 2
Acentuación del objeto
(+ realismo)
Acentuación del sujeto
(+ constructivismo)

Pensar la complejidad de la
complejidad
Extracto de entrevista a Bruce Edmonds
(Manchester, 2012):
• “…la complejidad es en buena medida un
concepto negativo…”
• “…decir que hay algunas cosas fundamentales que
están en los sistemas complejos, pienso que es un
error”...
• “…en cierto sentido veo a la complejidad como
una cosa negativa, una dificultad en el
entendimiento o en la representación o en la
comprensión o en lo computable, debido a la
estructura de algo y por eso lo llamamos
complejo…” Fuente. Rodríguez Zoya (2013)

Esquema epistemológico para
pensar la complejidad
Sujeto de
conocimiento
Objeto de
conocimiento
Sociedad
Esquema
cognitivo
Propiedades
Dinámica
Estructura
Contribución
del sujeto
Contribución
del objeto
Contribución del contexto
Representación
o modelo
Complejidad
‘desafío
cognitivo’:
dificultad de
asimilación
1 2
3

Etimología del concepto
complejidad
• Raíz latina plexus: ‘entrelazamiento’.
• Verbo plectere: ‘plegar’, ‘trenzar’, ‘entrelazar’.
• Complexsus: ‘enredo’, ‘conexión’, ‘que
abarca’, ‘apretón’, ‘abrazo’.
• Lo contrario al término complejidad
(complexsus) no es ‘lo simple’ sino
‘implexsus’: ‘lo que no puede ser
descompuesto’. (Cf. Le Moigne 1990).
Lo complejo: “Lo que está tejido junto”. Paradoja
de lo uno y lo múltiple (unitas multiplex)

Metáfora de la trama
(unidad múltiple)
Lo complejo: un fenómeno que no puede ser
descompuesto en unidades elementales

Distinción de lo complejo y lo
complicado
Un fenómeno complejo no puede ser
‘descompuesto en’ ni ‘reducido a’ partes
elementales o unidades mínimas.
Lo complejo
1
Un fenómeno complicado puede ser
descompuesto y/o reducido a partes
más simples.
Lo
complicado
2
La simplificación o reducción de lo complejo
produce ‘mutilación’. Se descompone el ‘tejido
conjunto’ que no puede ser recompuesto.

Estrategias para
conceptualizar la complejidad
• Estrategia nominalista: búsqueda de definiciones de
complejidad:
– Útiles para contextos específicos.
– Más de 200 definiciones documentadas (Bruce
Edmonds, 1999).
– Baja pertinencia como estrategia para comprender la
multidimensionaldiad del concepto.
• Estrategia conceptual alternativa:
– Análisis histórico-crítico del concepto complejidad en
ciencia y filosofía: sociogénesis de la complejidad.
– Escalas de análisis y niveles de organización
conceptual: la complejidad como macro-concepto.

Análisis histórico-crítico (i)
La complejidad en la historia del
pensamiento occidental
La filosofía
tematiza la
complejidad
La ciencia
desconoce la
complejidad

Análisis histórico-crítico (ii)
Principio de disyunción
Paradigma científico-clásico es un
paradigma de simplificación
Principio de reducción
1
2

Sociogénesis de la complejidad
como problema científico
Mediados
S.
XX
S.
XIX
–
S.
XX
S.
XVII
–
XIX
Problemas de simplicidad
Complejidad desorganizada
Complejidad organizada
Modelos
mecánicos
Modelos
estadísticos
Modelos
sistémicos
Probabilidad
Termodinámica
Física
newtoniana
Sistemas
complejos
1948
Warren Weaver
Science and
Complexity

La complejidad como macro-
concepto: niveles de organización
1. Nivel psicológico: obstáculo cognitivo + obstáculo afectivo.
2. Nivel epistemológico: relación indisociable sujeto-objeto,
complejidad del proceso de construcción de conocimiento.
3. Nivel ontológico: (i) concepción de realidad, (ii)
características atribuidas a los objetos de conocimiento, su
organización, dinámica y estructura.
4. Nivel metodológico: estrategia de conocimiento para
abordar de modo complejo (no reduccionista, no simplificador)
un objeto complejo.
5. Nivel técnico: conjunto de instrumentos y procedimientos de
apoyo para poner en práctica la estrategia de conocimiento.
6. Nivel paradigmático: formas de producir y organizar el
conocimiento (modelos mentales, instituciones académicas, etc.)

El ‘common ground’ de la
complejidad
Formulación de las teorías pioneras.
1940-1965
Paradigmas
globales. Teorías
generales. Alto
nivel de abstracción
Algoritmos
complejos. Soporte
matemático
computacional
2º Guerra Mundial Interdisciplinariedad Programa de la EG

X. Eje epistemológico: relación sujeto-objeto
Y. Eje metodológico: racionalidad crítica
reflexiva – componente técnico-instrumental
Esquema ordenador de
enfoques de la complejidad
Componente técnico-instrumental
Centramiento
Sujeto
Centramiento
Objeto
Componente crítico reflexivo
Algoritmos de la complejidad
Pensamiento complejo
Ciencias de los sistemas complejos
Teoría de los SC (García)
Casanova
Wallerstein
Modelos reflexivos
Segundo orden
Cosmovisión o
Weltanschauung
Autopoiesis

Cartografía cronológica
1940 1950 1960 1970 1980 `90-2000
Teorías pioneras de
complejidad
Edgar Morin. El Método
García, TSC,
Interdisciplina
García, EG y
Medio Ambiente
Computación
Teorías generales
Algoritmos
2º Guerra
mundial
Interdisciplina
Ciencias de la
complejidad
Caos
Fractales
Epistemología genética Post-Guerra Fría

Abordajes teórico-
metodológicos a la complejidad
• El pensamiento complejo de Edgar Morin
– Cambio de paradigma, método de
pensamiento
• La teoría de los sistemas complejos de
Rolando García 
– Investigación interdisciplinaria
• Las ciencias de los sistemas complejos
– Estrategia de modelización y simulación

23
Introducción
02
La propuesta del
pensamiento complejo
de Edgar Morin

Edgar Morin, 1921-

Edgar Morin – Minibiografía
• Edgar Nahoum. Origen judío-sefardí.
• “Vivir de muerte. Morir de vida” (Heráclito) – 7 años
• Estudios en geografía, historia y derecho interrumpidos por la
invasión nazi a Francia.
• Se une a la Resistencia francesa y al Partido Comunista.
• 1946. ‘El año cero de Alemania’
• 1951. Antropología de la muerte: fenómeno humano total
• Existencia empírico – imaginaria del hombre
• Antropología fundamental, antropo-cosmología, antro-
pobiología, antropo-sociología
• 1969. Salk Institute. 1973. Paradigma perdido.
• Elaboración de ‘El método’ 1976-2006: reorganización del
saber: físico – biológico - antroposocial

Método
Epistemo.
Ontología
Complejidad de lo real
Estrategia cognitiva,
método de pensamiento
Física
Pensamiento complejo
Biológica Antropo-social
Metodología
Ontología
Multidimensionalidad de la
propuesta de Edgar Morin
N
u
e
v
o
s
d
e
s
a
f
í
o
s
Propuesta
política
Propuesta
ética
Propuesta
educativa
Epistemología compleja, de
segundo orden, reflexividad
Conocimiento del conocimiento
Epistemología

El enfoque del pensamiento
complejo
La andadura moriniana.
1950-1973 – 1976-2006
La complejidad
humana.
Antropología
fundamental
El pensamiento
complejo y el
paradigma de la
complejidad

Algunas obras de Edgar Morin
Complejidad
organizada
Núcleo
epistemológico
Núcleo
ético-político

La complejidad humana
• El ser humano es ‘homo complexus’:
Sapiens Demens
Empírico Imaginario
Faber Ludens
Economicus Consumans
Prosaico Poético

Complejidad humana y
complejidad del conocimiento
• La comprensión de la complejidad humana
requiere un nuevo punto de partida
epistemológico.
– Reorganización epistemológica.
• La antropología compleja es necesaria para
comprender la complejidad del conocimiento
humano.
Antropología
compleja
Epistemología
compleja

Práctica de pensamiento
crítico y reflexivo
Teoría de la complejidad
organizada
El estatuto del pensamiento
complejo
¿Cómo valorar la obra de Edgar Morin y
su propuesta del pensamiento complejo?
El pensamiento
complejo como teoría
El pensamiento
complejo como método

Herramientas conceptuales de
la teorización moriniana
Conceptos
Dialógica Hologramática
Recursividad
Racionalidad
crítica
Unidualidad Autonomía-
dependencia
Auto-eco-re-
organización

Paradigma
Paradigma:
Conceptos maestro +
operaciones lógicas.
Principios de organización
del pensamiento y del
conocimiento.
Paradigma de la
simplificación
Paradigma de la
complejidad
• Principios de reducción y disyunción.
• Unificación abstracta de la diversidad
• Yuxtaposición de lo diverso sin concebir la unidad
• Pensamiento que religa, organizacional, sistémico.
• Pensamiento ‘transdisciplinar’.
• Racionalidad auto-crítica, abierta, reflexiva.
Histórico-social Lógico-cognitivo

Mapa conceptual: paradigma

Principio dialógico
• Herencia del pensamiento dialéctico.
• En la dialógica no hay síntesis, la contradicción es
constitutiva de fenómenos complejos.
• Integrar la contradicción en el pensamiento racional sin
caer en la incoherencia.
• Principio ontológico: constitutivo para el desarrollo y
funcionamiento de fenómenos organizado.
• Principio epistemológico: pensamiento dialógico.
• Complejidad de la lógica: monológica vs. dialógica
Unidad compleja de dos lógicas antagonistas y
complementarias.

Principio recursivo
• Causalidad compleja. Causalidad no-lineal.
Proceso de auto-organización y auto-producción
en el cual los productos se convierten en
productores de aquello que los produce.
Causa Efecto

Principio hologramático
• Relevancia epistémica, evitar dos formas de
reduccionismo:
– Reduccionismo a nivel del todo (unificación abstracta).
– Reduccionismo a nivel de la parte (atomismo,
individualismo metodológico).
• El conocimiento de lo singular tiene que ser inscripto
en la totalidad.
• El todo se re-significa y no anula la diversidad de las
partes que lo constituyen.
El todo está en la parte, y la parte está inscripta
en el todo.

38
Introducción
03
La teoría de
los sistemas complejos
de Rolando García

Rolando García, 1919-2012

Rolando García, mini-biografía
• Maestro de la Escuela Normal Mariano Acosta (1936).
• Estudió física y matemática en la UBA.
• Master of Arts y PhD en la Universidad California (‘48-’53).
• Especialización en meteorología. Hidrodinámica y termodinámica
de la atmósfera.
• Se formó en lógica simbólica, semántica y filosofía con Rudolf
Carnap y Hans Reichenbach.
• Decano de la Facultad de Ciencias Exactas y Naturales de la UBA
desde 1957 a 1966.
• Fundador del CONICET (1958). Vicepresidente hasta 1966.
• Impulsor de la creación de Ciudad Universitaria.
• Fundó, junto con Manuel Sadosky, el Instituto de Cálculo.
• Fundador del Servicio Meteorológico Nacional.
• Colaborador cercano de Jean Piaget (Epistemología Genética).

Testimonios sobre Rolando

Obras ‘clave’ de Rolando

Alcance de la TSC
de Rolando García
La TSC brinda un marco teórico-conceptual para
el estudio de los sistemas complejos.
1
La TSC propone una metodología de
investigación interdisciplinaria para el estudio
de sistemas complejos.
2
La TSC elabora los fundamentos
epistemológicos del marco teórico y la
metodología propuesta.
3

Ejes conceptuales de la TSC
1. Componente ontológico: relación entre
sistemas complejos y realidad.
2. Componente metodológico: relación entre
complejidad e interdisciplina.
3. Componente teórico:
- Características de los sistemas complejos.
- Estructura y dinámica

(I) Componente ontológico de
la TSC
• Los sistemas complejos no son un dato de
la realidad, no existen de manera positiva
independientemente del sujeto, no es un
fenómeno observable de la realidad.
• Un sistema complejo es una construcción
por parte del investigador en virtud de una
pregunta conductora.
TSC se sustenta en enfoque constructivista del
conocimiento. Asume posición anti-empirista

(II) Componente metodológico
de la TSC
• Los sistemas complejos están integrados
por elementos que pertenecen al ‘dominio
material’ de distintas disciplinas.
• Interdisciplina: modo de trabajo derivado
de concebir una problemática común.
• Interdisciplina ≠ Multi-trans-poli-disciplina.
El estudio de un sistema complejo exige la
investigación interdisciplinaria.

La unidad compleja de la
investigación interdisciplinaria
Concepción compartida / Marco común
Valores
Investigación interdisciplinaria
Intereses
Ciencia –
Sociedad
Problema
común
Equipo multidisciplinario
Trabajo Colectivo

Complejidad e interdisciplina
• Integración de enfoques disciplinarios –desde el inicio
de la investigación- para concebir un problema común
y construir de modo conjunto el sistema complejo.
• Los miembros de un equipo multidisciplinario deben
compartir un marco epistémico para desarrollar una
investigación interdisciplinaria en sistemas complejos.
• Marco epistémico: marco conceptual y metodológico
común derivado de una concepción compartida de la
relación ciencia-sociedad (dimensión axiológico-
política).
• El estudio de un sistema complejo requiere de
conocimiento especializados (disciplinarios).

Dominio epistemológico
derivado
Jean Piaget y el
sistema de las ciencias
Implicancias para conceptualizar la complejidad y la
interdisciplina
Dominio epistemológico
interno
3
Las ciencias forman
un sistema de orden
cíclico, no lineal de
articulación de
conocimientos:
1. lógico-
matemático
2. Físicas
3. Biológicas
4. Psico-sociales
Dominio conceptual
Dominio material
2
1
4

(III) Componente teórico de la
TSC
• “Un sistema complejo es una
representación de un recorte de la
realidad conceptualizada como una
totalidad organizada” (García, 2006, p.21).
• Un sistema complejo está compuesto por:
– Elementos heterogéneos, en interacción e
interdefinibles.
Implicancia: los elementos no son separables
y no pueden ser estudiados aisladamente.

Estructura y dinámica de los
sistemas complejos
• Un sistema complejo está estructurado en
‘niveles de organización’ semi-
autónomos, que interactúan entre sí pero
que no son interdefinibles.
• Los sistemas complejos evolucionan por
una pauta de cambio no-lineal.
• Cambio por reorganizaciones
sucesivas: bucle des-estructuración – re-
estructuración.

Mapa conceptual: sistemas
complejos

53
Introducción
04
Las ciencias de

Múltiples autores: red de
investigación de alcance mundial
Francisco Varela
Stephen Jay Gould
Murray Gell-Mann John Holland
Humberto
Maturana
Ilya Prigogine
Stuart Kauffman
Herni Atlan

Sistemas complejos: un
concepto multi-nivel
Comportamiento adaptativo, auto-
organizado, no-lineal, emergente.
Como
objeto de
estudio
1
Métodos formales de modelado y
simulación matemática y computacional
Como
método
2
Múltiples manifestaciones de ‘teorías de
la complejidad’ en distintas disciplinas.
Cómo
teoría
3
Alcance mundial y transdisciplinar:
física, biología, ciencias sociales.
Como
campo de
invest.
4

Características de los
sistemas complejos
 Componentes simples (en relación al todo).
 Interacciones no lineales (el comportamiento del
sistema no se reduce a una ‘suma’ de partes).
 No hay control centralizado (auto-organización).
 Conducta emergente (propiedades cualitativamente
nuevas que no se encuentran las partes).
 Dependencia ecológica del entorno (sistema
abierto).
 Evolución, adaptación y aprendizaje.

Algunos ejemplos:
Colonias de hormiga

Algunos ejemplos:
El cerebro

Algunos ejemplos:
Las ciudades

Algunos ejemplos: Las redes
sociales y comunidades científicas

¿Qué son los sistemas
complejos?
• Distinguir el concepto de ‘sistema’ del
concepto ‘complejo’.
• Sistema: totalidad organizada, conjunto de
elementos heterogéneos, en interacción.
• Lo complejo:
– caracterización comportamental: imposibilidad de
reducir el comportamiento global a los
componentes individuales.
– caracterización organizacional: tipo de relaciones
que se dan entre las partes y entre el todo y las
partes.

Caracterización comportamental
de los sistemas complejos
Un sistema complejo es una totalidad
organizada compuesta por elementos
heterogéneos en interacción cuya evolución
dinámica produce comportamientos y
regularidades macroscópicas que no
pueden ser deducidos linealmente a partir
del conocimiento analítico de sus partes.

¿Por qué es complejo un
sistema complejo?
• Extracto de entrevista (Rodríguez Zoya, 2013)
– “…Pienso que es complejo cuando las características
del sistema como un todo emergen de las
interacciones de sus partes componentes y no puede
ser lógicamente deducidas por un conocimiento
completo del comportamiento de las partes
componentes sin tener en cuenta sus
interacciones…”
Descripción a nivel micro, descripción a nivel
macro, pero ¿Qué pasa en el medio?

Caracterización organizacional de
Complejidad organizada  sistemas de
complejidad organizada, sistemas no
descomponibles cuyas partes son
interdefinibles y no separables
Sistemas
complejos
1
Complejidad desorganizada  sistemas
de complejidad desorganizada,
descomponibles y de partes aislables
Sistemas
complicados
2
interdefinibilidad organización no descomponible

Problemáticas vinculadas al
estudio de los sistemas complejos
• Problema de creación de nuevas estructuras
(estructuras no preformadas, que no
obedecen a una tendencia) ¿cómo surge la
novedad?
• Problema del cambio. ¿Cómo entran en
crisis las estructuras? ¿cómo se
desorganizan? ¿Cómo se reorganizan?
– Ni unidireccional y continuo, ni ruptura y
discontinuidad
– Evolución no lineal: reorganizaciones sucesivas

El problema de las propiedades
emergentes
• “El todo es más que la suma de las
partes”
– Emergencias globales o macro-emergencias
 emergencia de primer orden.
– Emergencias locales o micro-emergencias 
emergencia de segundo orden.
• “El todo es menos que la suma de las
partes”
– Constreñimiento e inhibición de propiedades
potenciales

Controversias en torno al
concepto de emergencia
• A nivel epistemológico: cualidades
nuevas a nivel del todo que ‘emergen’
a partir de la interacción entre las
partes.
– Emergencia de primer orden o
emergencia ‘en sentido débil’.
• A nivel ontológico: las propiedades a
nivel macro tienen ‘poder causal’ sobre
los elementos a nivel micro.
– Emergencia de segundo orden o
emergencia ‘en sentido fuerte’.

El status ‘ontológico’ de los
sistemas complejos (i)
• Extracto de entrevista (Rodríguez Zoya, 2013):
• “…un sistema complejo es algo que existe en la
realidad, que se puede observar, que es un
objeto de estudio (…) es que tal y como lo veo
yo, un sistema complejo es algo que existe en la
realidad y que se puede estudiar…”
Concepción realista: el sistema complejo es un
fenómeno dado ‘positivamente’ en el mundo
de la experiencia

El status ‘ontológico’ de los
sistemas complejos (ii)
• Extracto de entrevista (Rodríguez Zoya, 2013):
• “…un sistema complejo está relacionado con el
hecho de plantear una pregunta específica (…) que
va a permitir recortar un conjunto de observables
que vamos a llamar ‘el sistema’. Es una definición
epistemológica. (…) el sistema aparece a partir del
momento en que se plantea una pregunta o se
pretende resolver un problema…”
Concepción constructivista: el sistema
complejo es construido por el investigador

Interrogación crítica
• ¿Cuál es el lugar del ‘sujeto’ en el
conocimiento de lo complejo?
• ¿Cómo puede responderse esta pregunta
desde las concepción realista y
constructivista?
• ¿Cuáles son las implicancias
‘epistemológicas’ y ‘ético-políticas’ de las
distintas concepciones de sistemas
complejos?

Concepciones de sistemas
complejos

El lugar del sujeto en el
conocimiento de lo complejo

Algunos centros y asociaciones
internacionales
Complex Systems Society
http://www.complexssociety.eu
Centro de Ciencias de la Complejidad
http://c3.fisica.unam.mx/
Santa Fe Institute http://www.santafe.edu/

Revistas especializadas
(no exhaustivo)
• (E:CO) Emergence: Complexity & Organization
Enlace a la revista
• Complex Systems
http://www.complex-systems.com/
• Journal of Systems Science and Complexity
Systems
http://www.springer.com/mathematics/applications/jo
urnal/11424
• Non linear phenomena in Complex Systems
http://www.j-npcs.org/

75
Introducción
05
La complejidad y
las ciencias sociales

Los enfoques de la complejidad
y las ciencias sociales
Enfoques crítico-
reflexivos de la
complejidad
Aportes teóricos,
metodológicos y
epistemológicos
Enfoques
técnico-
instrumentales
de la complejidad
Implicancias
ético-políticas
tibio
débil
riesgo
desarticulación
aportes
aportes
Génesis
histórico-social
riesgo
Enfoques de la
complejidad
Ciencias Sociales

77
Introducción
06
Interrogantes y
debates

Unidad II
Modelado y simulación de
sistemas complejos en la
perspectiva de las
ciencias sociales

Índice Unidad I
01 El concepto de modelo
02 Tipos de modelos
03 El concepto de simulación
04 Los modelos basados en agentes.
05 La simulación social
06 Tipología de modelos de simulación
social
07 La modelización como método

80
Introducción
01
El concepto de
modelo

Cinco clases de significaciones
del término modelo. (Armatte, 2006)
Como REFERENTE. Arquetipo o punto de
referencia para imitarlo o reproducirlo.(Pintura).
1
Como MAQUETA de un dispositivo real.
Ej. arquitectura.
2
Como ÍCONO. Dispositivo mecánico
representando una idea abstracta.
3
Como TIPO IDEAL. Extraído de una
población homogénea. Ejemplar.
4
Como FORMALISMO. Representación
‘lógico-matemática’ de un sistema.
5
Modelo como
prototipo
Modelo como
abstracción
extraída de
una realidad

Uso científico del concepto de
modelo
• Modelo matemático
– Contexto: ciencias formales (lógica y
matemática).
– Modelo como construcción lógico-formal.
• Modelo empírico
– Contexto: ciencias naturales y sociales.
– Modelos construidos con datos.
– Tiene como objeto un fenómeno del mundo
empírico.
– Puede expresarse como un sistema formal.

¿Qué es un modelo científico?
Un modelo es una representación abstracta y
simplificada de un objeto de estudio
que tiene como objetivo mejorar
la comprensión de dicho objeto.
» Objeto de estudio: “sistema de referencia” / “sistema real”
» Operaciones cognitivas implicadas en la construcción de un
modelo: abstraer y simplificar.
» No hay que confundir el modelo con el sistema que
constituye su objeto.
» Finalidad epistémica: el modelo como instrumento de
conocimiento.

La conceptualización de Minsky
(Matter, Minds and Models, 1965)
• Inclusión del sujeto-observador.
• Relación triádica: sujeto (S) – modelo (M) – objeto (O).
• El modelo como ‘mediador epistémico’ de la relación S-O.
• Noción práctica de modelo (utilidad, interés, uso).
• No determinación a priori del soporte y forma de
expresión del modelo.
Para un observador B, un objeto A* es un modelo
de un objeto A en la medida en que B puede usar
A* para responder preguntas que le interesan
sobre A.

Circuito cognitivo de los
modelos científicos
Fuente. Rodríguez Zoya (2013)

86
Introducción
02
Tipos de modelos

Elementos para construir una
tipología de modelos
Modelo
Sistema de
referencia
Lenguaje de la
modelización
Tipo de objeto
a modelizar
Objeto empírico
Objeto conceptual
Objeto imaginario
Objeto artificial
Objeto formal
Soporte del modelo
Forma de expresión
Modelo
Mental-
conceptual
Conceptos de la
modelización
Técnicas de
modelización

Según el lenguaje de la
modelización
• Modelos no formales:
– Modelos expresados en lenguaje natural.
– Modelos discursivos.
– Mayor expresividad y riqueza descriptiva.
– Difícil valorar su coherencia.
• Modelos formales:
– Expresados en un lenguaje no natural:
– Mayor rigor y coherencia.
– Menor expresividad y riqueza descriptiva.

Tipos de modelos formales
Modelos basados en ecuaciones.
Deducción. Solución analítica. (Ecuaciones
diferenicales, ecuaciones de diferencia).
Modelos
matemáticos
1
Modelos probabilísticos. Centrados en
relaciones entre variables. (Regresión
múltiple, ecuaciones estructurales, etc.)
Modelos
estadísticos
2
Modelos expresados como un programa
informático. Ejecutables en la computadora.
Modelos
computa-
cionales
3

Modelos estáticos y modelos
dinámicos
Representación de la estructura de un sistema
de referencia en un momento determinado.
Corte sincrónico. Modelo estructural: se
privilegia la organización del sistema.
Modelo
estático
1
Representación de las hipótesis o reglas de
evolución en el tiempo de un sistema de
referencia. Modelos de comportamiento: se
privilegia la dinámica del sistema.
Modelo
dinámico
2

91
Introducción
03
La simulación

¿Qué es la simulación?
• Simular: reproducir, copiar, representar.
• Sistema artificial: (distintos tipos: juego, artefacto,
etc.).
• Sistema ‘real’:
– Objeto de la modelización (= sistema de referencia).
– Fenómeno o proceso del mundo empírico (= social).
La simulación es la ‘emulación’ de la
organización y del comportamiento de un
sistema real por un sistema artificial.

Simulación y vida cotidiana (i)
Imaginación
Creatividad
Lo posible
Lo ‘futurible’
Sentimiento
Lo lúdico

Simulación y vida cotidiana (i)

La simulación como
práctica científica
La simulación es a un modelo dinámico, lo que la
experimentación es a un sistema real
La simulación es una actividad por la cual se
perturba un modelo dinámico:
» en función de objetivos específicos
» se desarrollan pruebas en función de un
protocolo determinado
» con ayuda de un dispositivo experimental
informático (simulador)

¿Qué es un modelo de
simulación?
Un modelo de simulación se expresa como un
programa informático que puede ser ejecutado
en una computadora.
Modelos formales Modelos dinámicos
Simulación del desarrollo dinámico del modelo.
Evolución temporal del sistema modelizado.
Estudio de procesos que se desarrollan en el
tiempo.
Análisis del cambio y del comportamiento.
Simulación
computa-
cional

Implicancias de la simulación
para las ciencias sociales
• Interés ‘histórico’ de las ciencias sociales en
la dinámica histórica de los procesos sociales
• Dificultad metodológica y empírica para el
desarrollo de teorías robustas de procesos
sociales.
La simulación es una metodología que permite el
estudio de procesos sociales
Factor tiempo
Procesos de
cambio
Dinámicas
evolutivas

99
Introducción
04
Modelos basados
en agentes (MBA)

¿Qué es un MBA?
Aproximación inicial…
 Los MBA son un tipo de modelo computacional.
 Los MBA son una técnica (y una filosofía) de
modelización.
 Una metodología para el estudio de sistemas complejos.
Un MBA constituye una
sociedad artificial de agentes
autónomos y heterogéneos
que interactúan entre sí y con
el entorno.
Programa informático
Simular el proceso social
y la dinámica de la
sociedad artificial

Componentes de un MBA
Entidades ‘artificiales’ que componen el modelo.
‘Población’ que compone la ‘sociedad artificial’.
Representación explícita de los ‘actores’ sociales
(individuales y colectivos) que constituyen el
sistema de referencia.
Agentes
Reglas de conducta que guía el comportamiento
de los agentes, del entorno, y de su interacción.
‘Lo que pueden hacer’, ‘cómo’, ‘con qué’.
Reglas de
interacción
Espacio geográfico o territorio donde ‘habitan’
los agentes de una ‘sociedad artificial’.
Entorno
1
2
3

¿Qué permite realizar un MBA?
¿Cómo la conducta ‘local’ y ‘descentralizada’ de
agentes autónomos y heterogéneos ‘genera’ una
regularidad macroscópica?
La simulación muestra
cómo las estructuras
sociales y conductas
colectivas (nivel macro)
‘emergen’ de la interacción
dinámica de los agentes en
el tiempo (nivel micro)
Generativo
Ascendente
Bottom-up
Emergente
Características
de
la
simulación
basada
en
agentes

Génesis histórica y teórica de
los MBA
1940 1950 1960 1970 1980 `90-2000
Sistemas Multi-Agente
Simulación
social
Ciencias cognitivas
Programación orientada a
objetos
Autómatas
celulares
Von Neumann
Inteligencia
artificial
Modelos
basados en
agentes
Inteligencia artificial
distribuida
Jim Doran
R. Axelrod
Agentes artificiales
inteligentes
Aplicaciones industriales
Dinámica de sistemas
Coleman - Budon

Distinción entre SMA y MBA
• Conte, Rosaria, Gilbert, Nigel, y Sichman, Jaime Simão. (1998). MAS and Social Simulation: A Suitable
Commitment. En Rosaria Conte, Nigel Gilbert y Jaime Simão Sichman (Eds.), Multi-Agent Systems and
Agent-Based Simulation Lecture Notes in Computer Science (pp. 1-9). Berlin: Springer.
 Ingeniería, Inteligencia
artificial, desarrollo de
software.
 “Sociedades de
agentes artificiales
autónomos”
• Ciencias Sociales
(economía, arqueología,
sociología, ciencia política)
• “Sociedades artificiales
de agentes autónomos”.
• Simulación Social
Basada en Agentes
(SSBA)
Sistemas Multi-Agente
Modelos basados en
agentes
Diferencia
epistemológica

Testimonio de un entrevistado
• “…partí de la lógica formal en inteligencia
artificial, hacia los sistemas expertos, hacia
los sistemas multi-expertos, y a los sistemas
multi-agentes. Es un camino bastante lógico
para un lógico que de algún modo estructuró
mi manera de pensar porque la lógica formal
es muy reductora...”
Extracto de entrevista a Philippe Mathieu (2012).
Informático. Especialista en sistemas multi-agente,
sistemas complejos e inteligencia artificial.

Video de una simulación
‘multi-agente’

» Comunicación. Intercambio de mensaje
entre objetos. Desencadena eventos.
Programación orientada a
objetos (POO)
» Es la representación en un programa de un
concepto.
» Es una instancia o caso de una ‘clase’.
» Comportamientos (o procedimientos) que
realiza un objeto.
Métodos
» Variables (datos o características) de los
objetos.
Atributos
Objeto
Mensajes

Características de los agentes
de un modelo MBA
• Conceptualización de Epstein (2006)
No hay agente ‘promedio’ (economía,
estadística). Diversidad de agentes (clases).
Modelas ‘tipos’ de diferencias (‘heredadas’ y
‘dinámicas’ que cambian con el tiempo)
Heterogene-
idad
No hay control centralizado (descendente) de la
conducta. Si hay ‘retroalimentación’ de lo macro
a lo micro (co-evolucionan).
Autonomía
Información limitada + razonamiento limitado.
Acciones: reglas de decisión simples +
información local.
Racionalidad
limitada
1
2
3

¿Cómo modelizar agentes informáticos
que representen actores sociales?
• Habilidad social: Capacidad para interactuar y comunicarse
con otros agentes. ¿Qué pueden hacer los agentes? ¿Cómo?
• Reactividad: Percepción del entorno y generar respuestas
ante el mismo.
• Proactividad: Capacidad de iniciativa. Comportamiento
orientado por objetivos.
• Aprendizaje: (i) A nivel individual. Capacidad de recordar
(memoria) experiencias pasadas y de desarrollar nuevas
estrategias de acción. (ii) A nivel poblacional. Aprendizaje
evolutivo (los agentes menos ‘aptos’ mueren). (iii)
Aprendizaje social. Imitación de comportamiento.
• Adaptación: Cambios en los estados internos o en las
acciones basadas en la interacción (entorno – agentes).

Interrogación crítica
• Relación entre la ‘complejidad antropológica’
(humana) y la complejidad modelizable y
simulada.
• Si modelizar implica simplificar, entonces,
necesitamos un pensamiento complejo de la
simplificación (conciencia reflexiva).
• ¿Qué (complejidad) perdemos al modelizar y
simular la ‘complejidad social’? ¿Qué
ganamos que no podríamos hacer de otro
modo?

Representación del espacio
• Los MBA permiten una representación
explícita del espacio geográfico (territorio
o entorno) donde se desarrolla la
‘sociedad artificial’
• Entornos abstractos: tablero o espacio bi-
dimensional.
• Entornos realistas: mapas, ciudades,
escenario antropomórficos.

Entornos abstractos
Ejemplo del modelo
de segregación de Schelling

MBA + sistemas de
información geográfica (GIS)
Fuente: http://www.bartlett.ucl.ac.uk/casa/publications/working-paper-170
La simulación de
‘ciudades’ y
‘dinámicas
urbanas’ como
sistemas
complejos
MBA + GIS =
Modelos y
simulaciones
geo-espaciales

Representación espacial de
aspectos sociales y ambientales
Fuente: http://www.bartlett.ucl.ac.uk/casa/publications/working-paper-183
La simulación
de la emisión
de CO2 en la
región de
Londres

Modelos, redes y mapas
Fuente:http://www.bartlett.ucl.ac.uk/casa/publications/working-paper-183
Modelo de la
dinámica del
comercio global:
alimentos,
recursos
naturales,
manufacturas,
mano de obra

Simulación espacial
http://www.bartlett.ucl.ac.uk/casa
Centro de referencia en modelos basados en
agentes y geo-referenciamiento:
Centre for Advanced Spatial Analysis (CASA)
University College London
Michael Batty

Nivel micro-social
(actores individuales y colectivos)
El vínculo micro-macro
Regularidades macro-sociales
emergentes (estructuras sociales)

La explicación ‘generativa’ vía
simulación social
• Complejidad del concepto ‘explicación’.
– Raíz positivista: ley, cobertura legal.
– Disputa del método: explicación y comprensión.
– Epistemología constructivista: relaciones y
explicaciones causales.
Epstein y Axtell (1996): ¿Podes explicarlo? = ¿Podes generarlo?
Generar: = hacer emerger, hacer crecer in silico
Hacer crecer estructuras sociales in silico, vía
simulación computacional.
Demostrar las ‘micro-especificaciones’ suficientes
para generar una macro-estructura de interés.
Explicación
generativa

Crítica de Rosaria Conte a la
explicación ‘generativa’
• Visión débil: la generación es
necesaria pero insuficiente para
explicar.
• Versión fuerte: la generación
es necesaria y suficiente para
explicar.
Macro regularidad
Reglas locales
Teoría
emergente (i)
Teoría
descendente (ii)
(i): Teoría generativa del proceso social
(ii): Teoría de la causación social
Simulación Teoría

Modelado de la
complejidad social
Aportes fundamentales de los
MBA a las ciencias sociales
Heterogeneidad
Autonomía
Racionalidad
limitada
Vínculo ‘dialéctico’
entre el nivel micro
y macro
Modelado del
espacio
Experimentación
virtual
Representación
explícita del
espacio geográfico
Temporalidad
Simulación de la
dinámica de los
procesos sociales
Los
MBA
como
Laboratorios
artificiales
1 5
2
3
4

121
Introducción
05
La simulación social
y las ciencias sociales
computacionales

¿Qué es la simulación social?
La simulación social consiste en el uso
intensivo y sistemático de ‘métodos
computacionales’ para el estudio de procesos
sociales
Definición metodológica del campo
La simulación como estrategia metodológica
Simulación social
Sociología
computacional
Ciencias sociales
computacionales

Los textos ‘clásicos’
1994
2005
1996 2006
2012
1995 2005

Los pioneros
Con Nigel Gilbert
Con Rosaria Conte
Con Bruce Edmonds
Con Jean-Pierre Muller
Con Jim Doran

Usos de la simulación social…
(Teruil, Drogoul, Zucker, 2008)
Modelo Simulación
Modelo Simulación
Teoría
Técnica de modelización Sustituto a la experimentación
Complemento de la experimentación
Uso heurístico
Modelo Simulación
Sistema
Referencia
Experimen-
tación
Modelo Simulación
Sistema
Referencia
Experimen-
tación

La simulación social y la
investigación social
• Teoría
– Construcción de teoría
– Operacionalización de teoría
• Metodología
– Metodología cualitativa
– Metodología cuantitativa estadística
– Metodología comparada
– Metodología experimental

Revistas especializadas
(no exhaustivo)
• Journal of Artificial Societies and Social
Simulation
http://jasss.soc.surrey.ac.uk/JASSS.html
• Social Science Computer Review
http://ssc.sagepub.com/
• Autonomous Agents and Multi-Agent Systems
http://www.springer.com/computer/ai/journal/10458
• Computational Economics
http://www.springer.com/economics/economic+theo
ry/journal/10614

Asociaciones internacionales
European Social Simulation Association
http://www.essa.eu.org/
Computational Social Science Society of
the Americas http://www.essa.eu.org/
Pacific Asian Association for Agent-based
Approach in Economic & Social Complex
Systems http://www.essa.eu.org/

129
Introducción
06
Tipología de modelos de
simulación social

Elementos para construir una
tipología de modelos
• Objetivos epistémicos y sociales de la
simulación.
• Escala de fenómenos y nivel de abstracción del
modelo.
• Usos de la simulación.
• Tipo de formalismo utilizado.
• Rol de la ‘teoría’ y los ‘datos empíricos’.
• Alcance y generalidad del modelo (nomotético-
idiográfico).

La tipología de Gilbert y
Ahrweiler (2009)
• Gilbert, Nigel, y Ahrweiler, Petra. (2009). The epistemologies of Social Simulation Research. En
Flaminio Squazzoni (Ed.), Epistemological Aspects of Computer Simulation in the Social Sciences
(pp. 12-28). Berlin: Springer.
Nomotético Idiográfico
Modelos
matemáticos
Modelos abstractos
de procesos sociales
Modelos empíricamente
fundamentados
Simulación
uno a uno
Modelos de casos
históricos

La tipología de Squazzoni
(2012)
Sociedades
artificiales
Modelos
abstractos
Modelos de
alcance medio
Modelos basa-
dos en casos
Simulaciones
aplicadas
Sistemas sociales
(sustitutos)
Modelos teóricos
de fenómenos
sociales generales
Modelos teórico-
empíricos explica-
tivos de un domi-
nio de fenómenos
Modelos de un
fenómeno
empírico
particular
Replicación de un
sistemas real en
detalle
Cuando no es
posible estudios
empíricos
(+) integración
conocimiento
especializado
Construcción de
teoría, (+)
explorar hipó-
tesis, coherencia,
ilustrar/detectar
fenómenos contra
intuitivos
Comparación de
casos empíricos,
construcción de
teoría (+),
vínculo teoría –
datos.
Representación
detallada de un
sistema, valorar
la complejidad de
un sistema social
(+) útiles en
investigación-
acción, mejorar
conocimiento de
agentes sociales
Dificultad de
traducir resulta-
dos en pruebas
empíricas
Desconexión de
fenómenos
empíricos
concretos
Dificultad de
prueba empírica
de resultados en
casos singulares
Dificultad de
generalización
teórica
Dificultad de
generalización
teórica

133
Introducción
07
La modelización
como método

Mirada clásica del proceso de modelado
Objeto de la modelización (Sistema de referencia)
Experto de
dominio
Modelo no
formal
Modelo formal
Modelizador
Computadora Modelo
computacional
Resultados
Aplicación
Interpretación
Análisis
Abstracción
Diseño y codificación
Formalización
Inferencia
Izquierdo, Luis, Galán Ordax, José Manuel , Santos, José I , y Olmo Martínez, Ricardo del (2008). Modelado de sistemas complejos
mediante simulación basada en agentes y mediante dinámica de sistemas. EMPIRIA. Revista de Metodologia de Ciencias Sociales, 16,
85-112.

Un pensamiento complejo de la
modelización
• La modelización y simulación como estrategia
metodológica no puede reducirse a la
manipulación técnico-instrumental de
‘algoritmos y formalismos’.
• Importancia de una reflexión crítica y auto-
crítica de la praxis modelizadora.
• Articular un método de pensamiento complejo
con una metodología de la modelización.
• El sujeto, los valores, la interrogación ética no
puede ser eliminada del proceso de
modelización.

Propuesta de un marco
concepto de “modelo científico”
Modelizar
Modelo
Objeto de la
modelización
Modelización
Modelizador
Construcción
Construcción
producto praxis
praxis
poiesis proceso

El modelo como producto y
como proceso
Concepción sustantiva. Como resultado. Como
cosa-instrumento: cosificación de la práctica.
Como dispositivo epistémico. Como
instrumento de conocimiento. Análisis de la
estructura y organización de los modelos.
Modelo
producto
Como verbo: modelizar. Como praxis:
modelización. Sujeto modelizador. Praxis social
y cognitiva. Praxis productiva y constructiva.
Análisis de la génesis: proceso práctico
constructivo de la modelización.
Modelo
proceso

Comprensión de la
modelización como proceso
• La modelización es un proceso-práctico constructivo
que involucra al sujeto y su concepción de mundo.
• Toda praxis modelizadora se realiza siempre en un
contexto histórico-social.
• Concepto reflexivo de modelo que incluya al sujeto
modelizador en su propia práctica constructiva.
Concepción
de un
modelo
Proceso práctico-
constructivo
Uso
práctico de
un modelo

Dominio del objeto
Recorte y delimitación
del dominio de
fenómenos
Marco teórico y
modelo conceptual
Esquema del proceso de
concepción de un modelo
Sistema de
referencia
Objetivos de la
modelización
Práctica de
pensamiento
¿Para qué y para
quien modelizar?
Deliberación
sobre los fines
Sujeto modelizador
(ser humano complejo)
Paradigma
Marco
epistémico Pregunta
conductora
Actividad de
concepción

Implicancia epistemológica
• El sistema de referencia (SR)
– Es primero una construcción lógico-conceptual.
– Un conjunto de datos empíricos organizados.
– Material empírico de base (Rolando García).
• Un mismo dominio empírico, múltiples sistemas de referencia
• Otras concepciones de sistemas de referencia.
– SR es una entidad que existe en la realidad.
– SR es una entidad que se puede observar.
• Lo que modelizamos no es la realidad, sino nuestra
representación de una parte de la realidad.
• El modelo no es una representación de la realidad,
sino una representación de un sistema de referencia.

Proceso práctico-constructivo
Modelo
conceptual
Modelo no
formal

Proceso de formalización e
implementación computacional
Sucesivas modelizaciones
Modelo
operacional
Sistema
de
referencia
Modelos
Conceptua
-les
Modelos
formales
Todo modelo formal se apoya y se
sustenta en un modelo conceptual (no
formal) que puede ser tácito o explícito

Verificación y validación de
modelos de simulación
Si el modelo hace lo que pretendemos que
haga. Coherencia interna. Consistencia.
Errores de código. Análisis del funciona-
miento del modelo. Identificación de propie-
dades del modelo. Análisis de robustez, de
sensibilidad, espacio de parámetros.
Verificación
Análisis del vínculo modelo – realidad. ¿Es
el modelo una representación adecuada del
fenómeno real? Relación modelo - teoría,
relación modelo – datos empíricos.
Validación

Rol de la teoría y los datos en
la simulación social
• La teoría es indispensable en la concepción de un
modelo, la construcción del sistema de referencia y el
proceso de abstracción.
• Concepción de los agentes y de las reglas de interacción:
– Fundamentación teórica
– Fundamentación (o plausibilidad) empírica
• Validación del modelo:
– Teoría y datos a nivel micro
– Teoría y datos a nivel macro
• Métodos cualitativos y cuantitativos (+ simulación social)
– Evidencia cualitativa (diseño de las reglas)
– Datos cuantitativos (diseño del entorno, validación macro)

Teoría y datos en las prácticas
científicas vigentes del campo

Sujeto, modelo y realidad
(o mente, modelo y mundo)
Modelo Realidad
Empírico
Racional
Lógico
Valores
Marco epistémico
Noo-lógica
Riesgo de racionalización (Morin): encerrar lo real en la
coherencia lógica del modelo, “es la enfermedad
específica que amenaza a la racionalidad si ésta no se
regenera castamente por el autoexamen y la autocrítica”.

147
Introducción
08
Interrogantes y
debates

Unidad III
La simulación social: análisis
de casos y resultado de
investigaciones

Índice Unidad III
01 Enfoques actuales de la simulación
social.
02 El caso SocLab.
03 Aproximación práctica a los MBA.
04 Modelos clásicos y ejemplos
prácticos de MBA

150
Introducción
01
Enfoques actuales
de la simulación social

Algunas notas a partir de una
investigación empírico-crítica…
• Tesis doctoral: “El modelo epistemológico del
pensamiento complejo. Análisis crítico de la
construcción de conocimiento en sistemas
complejos”, Universidad de Buenos Aires y
Universidad de Toulouse.
• Investigación epistemológica empírica y crítica.
• Analizar la construcción, organización y cambio del
conocimiento en el campo de los sistemas
complejos y de la simulación social.
• Investigaciones cualitativa (entrevistas en
profundidad) y cuantitativa (encuesta).
• Investigación psicosocial de las creencias
científicas.

Características de un modelo de
simulación social
• Encuesta Internacional sobre prácticas de
investigación en sistemas complejos y
simulación social.
• Muestra, 228 investigadores, 28 países.
• https://www.surveymonkey.com/s/encuest
a_sistemas-complejos_simulacion-social
• Pregunta 31, valoración de los atributos de
un modelo de simulación.

Escala de importancia de atributos
de un modelo de simulación
 26 atributos de modelos
 Valorar c/u de los atributos
 Escala de 5 respuesta (1=
nada importante, 5 muy
importante)
 n = 134
 Puntaje máximo: 670
 Puntaje mínimo: 134

Ranking de atributos (i)
1
Hacer explícitos los supuestos y las hipótesis en los que se
funda
582 86,87%
2
Dar cuenta cómo las interacciones entre agentes a nivel
micro generan fenómenos sociales a nivel macro
546 81,49%
3 Ser comprensible en su funcionamiento interno 545 81,34%
4 Ser replicable por otros 542 80,90%
5 Ser utilizable por otros 529 78,96%
6 Haber sido sometido a una verificación rigurosa 528 78,81%
7 Ser validado con datos empíricos a nivel macro 516 77,01%
8 Ser robusto 513 76,57%
9
Ser capaz de reproducir el comportamiento del fenómeno
observado en el mundo real
510 76,12%
10 Ser comparable con otras teorías y modelos 501 74,78%

Ranking de atributos (ii)
11
Dar cuenta cómo el nivel macro-social influye en la
conducta de los agentes sociales
501 74,78%
12 Ser validado con datos empíricos a nivel micro 500 74,63%
13
El comportamiento y las reglas de interacción de los
agentes tiene que estar fundamentado en las teorías del
campo
490 73,13%
14
Proponer la menor cantidad de mecanismos para generar el
fenómeno
489 72,99%
15
El comportamiento y las reglas de interacción entre los
agentes tienen que estar fundamentadas en datos empíricos
486 72,54%
16
Proponer los mecanismos más simples para generar el
fenómeno
485 72,39%
17
Respetar la diversidad de actores sociales involucrados en
el estudio
471 70,30%
18 Tener en cuenta la dimensión cognitiva de los agentes 461 68,81%

Ranking de atributos (iii)
19 Ser validado con teorías del dominio 451 67,31%
20 Ser parsimonioso 449 67,01%
21
Tener en cuenta los distintos puntos de vista de los
actores sobre el fenómeno que se modela
444 66,27%
22 Ser validado por los actores 431 64,33%
23 Captar una descripción detallada del fenómeno 418 62,39%
24 Tener pocos parámetros 418 62,39%
25 Ser elegante 370 55,22%
26 Tener un gran número de agentes 365 54,48%

Principales escuelas
Modelos
Simples
(KISS)
Modelos
Descriptivos
(KIDS)
Modelos
Sociales
cognitivos
Modelización
social
participativa
1 2
3 4

Los modelos simples
• El principio KISS “Keep it Simple Stupid”
• Distinción entre simplicidad del modelo y complejidad del
resultado
– (i) Nivel metodológico: diseño de un modelo simple.
– (ii) Complejidad del proceso social simulado.
• La simplicidad
– como principio metodológico
– como criterio técnico (verificación y validación)
– como supuesto epistemológico
• Simplicidad: cantidad de parámetros y variables del
modelo
• Simplicidad, condición metodológica para comprender el
funcionamiento interno de un modelo. (≠ complicación).
1

Simplicidad y comprensibilidad
(extracto de entrevistas)
• “un buen modelo es un modelo que se entiende. O sea, una
condición necesaria es entender qué está sucediendo dentro
del modelo y para ello es prácticamente indispensable que el
modelo sea simple”.
• “modelos extremadamente complicados con una gran
cantidad de parámetros, muchos de ellos irrelevantes, son
muy difíciles de interpretar”.
• Un modelo simple se basa “en un principio científico estándar,
en el sentido en que el modelo no puede estar sobrecargado.
(…) Un modelo con muchos parámetros implícitos carece de
valor científico. Los elementos de parsimonia son importantes,
si dos modelos producen los mismos resultados y uno tiene
menos parámetros, entonces podemos creer que uno es un
modelo científico superior”. Fuente. Rodríguez Zoya (2013)

Implicancias epistemológicas
de la simplicidad
• “se intenta simplificar al máximo el fenómeno para
encontrar cuál es el conjunto mínimo de hipótesis que
son capaces de generar el fenómeno que se quiere
modelar”.
• “el modelo más simple posible que pueda decir la
mayor cantidad de cosas de un fenómeno, es decir, el
modelo que hace lo máximo con lo mínimo”.
• “explicar un amplio rango de fenómenos (…), lo que
se busca es maximizar la capacidad de explicar con
parsimonia un conjunto razonable y amplio de
características del sistema como un todo”.

El clivaje modelos simples y
modelos complejos
Equidistancia
16,2 %
posición
equidistante
34,1 % próximos
al polo B
Polo A Polo B
Modelos Simples
que proponen la menor
cantidad de hipótesis y los
mecanismos más simples
49,7 % próximos
al polo A
Modelos complejos
que captan las múltiples
dimensiones y niveles del
fenómeno
Fuente: Rodríguez Zoya 2013
La ‘simplicidad’ es la creencia metodológica dominante
en la simulación de sistemas complejos

Concepción de modelos simples
(tipología empírica emergente del análisis factorial)

Los modelos descriptivos
• Escuela de Manchester, Inglaterra
2
Scott Moss Bruce Edmonds
Centre for Policy Modelling - http://cfpm.org/
Manchester Metropolitan University Business School

Modelos descriptivos y
simulaciones sensibles al contexto
• Principio KIDS: “Keep It Descriptive Stupid”.
• Construcción de modelos detallados integrando distintos tipos de
evidencia (cualitativa y cuantitativa).
– “…Modelos más concretos del mundo empírico…”
– “…Modelos más específicos para un ámbito particular de fenómenos…”
• Premisa: “La conducta humana es sensible al contexto”.
• Estrategia metodológica:
– Cadena de modelos en distintas escalas de observación:
modelos descriptivos  modelos simples:
– “…una idea central es tener muchas simulaciones
descriptivas, entonces, quizás eso pueda ser una base para
una posterior generalización. (…) Una vez que tenemos ese
modelo complejo podemos tratar de hacer abstracciones
hacia modelos más sencillos que podamos entender…”

El clivaje modelos singulares y
modelos generales
Equidistancia
27,4 %
posición
equidistante
50,3 % próximos
al polo B
Polo A Polo B
Modelos Generales
Útiles para explicar un
amplio rango de fenómenos
Modelos Singulares
Útiles para comprender en
profundidad un fenómeno
singular en un contexto
22,3 % próximos
al polo A

La escuela cognitivista italiana
• Los pioneros del campo:
3
Cristiano Castelfranchi
Institute of Cognitive Sciences
and Technologies
http://www.istc.cnr.it/people/cris
tiano-castelfranchi
Rosaria Conte
Laboratory of Agent Based Social
Simulation
http://labss.istc.cnr.it/rosaria-conte

Modelos cognitivos de
simulación social
Se destaca la importancia de estudiar las creencias y el
contenido de las representaciones mentales, y no sólo
las conductas y la interacción social
• Modelar procesos mentales para dar cuenta de los
comportamientos sociales.
• Implicancia metodológica de la modelización cognitiva:
– Incremento de la sofisticación y complejidad técnica del modelo.
“…claramente hay una solución de compromiso (trade-off), entre
la simplicidad, lo que es una buena condición para el testeo de
teorías, el testeo del modelo y la complejidad del modelo de
agentes, que es importante para dar cuenta de fenómenos
sociales cognitivos. Entonces hay un trade-off…”

El clivaje entre agentes
‘inteligentes’ y agentes simples
Equidistancia
29,1 %
posición
equidistante
46,3 % próximos
al polo B
Polo A Polo B
Agentes con capacidades
cognitivas complejas
24,6 % próximos
al polo A
Agentes simples con
prioridad en la conducta y
la interacción

La modelización participativa
• Objetivo comprender y actuar sobre un problema
social de manera conjunta con los actores sociales
involucrados.
• Escuela francesa de la ‘modelización participativa’.
• Modelización de ‘acompañamiento’: modelizar con y
por los actores.
• Simulación de sistemas agro-ambientales, acción
humana y recursos naturales.
• Referentes: Olivier Barreteau, François Bousquet, Nils
Ferrand, Jean-Pierre Muller, entre otros.
4
Simulación social + investigación acción participativa

Modelizar con los actores
• Extracto de entrevista (Rodríguez Zoya,
2013):
– En el modelo “…se integran la diversidad de
representaciones que los actores sociales tienen
sobre el problema modelizado…”
– “…la construcción de un modelo es un proceso
que se hace en interacción con los actores, lo que
buscamos es integrar una multiplicidad de puntos
de vista en el seno del modelo…”

Evaluación social de los
resultados de las simulaciones
El objetivo es “simular el comportamiento de la gente, poder mostrar el
impacto del comportamiento humano en el fenómeno modelado.
Intentamos construir un sistema multi-agente que sea capaz de
reproducir la situación social con la finalidad que el actor se reconozca
en el modelo construido.”
“Organizamos sesiones de simulación social en las cuales analizamos el
impacto de las diferentes representaciones sociales sobre la problemática
(…), confrontamos los resultados de la simulación con los actores, se
representa una situación y ellos la validan, el actor se reconoce en el
modelo y esto les aporta una distancia reflexiva porque se ven
confrontados a su propia representación y a la representación de sus
vecinos” Fuente. Rodríguez Zoya (2013)
Uso de juegos de rol y técnicas representacionales

Concepción de modelos participativos
(tipología empírica emergente del análisis factorial)

¿Una concepción de modelos
complejos?

174
Introducción
02
El caso SocLab:
Interdisciplina,
complejidad
y simulación social

Del pensamiento complejo a
los sistemas multi-agente
• Cooperación entre sociólogos e informáticos
de la Universidad de Toulouse, próximos al
pensamiento complejo.
• Pascal Roggero (sociólogo) estudios sobre los
sistemas territoriales desde el enfoque del
pensamiento complejo.
• Reflexión sobre los límites del pensamiento
complejo en el terreno de una sociología
empírica.
• Operacionalizar el concepto de auto-eco-re-
organización.

Los creadores
Pascal Roggero
Laboratoire d'études et de recherches sur
l'économie, les politiques et les systèmes sociaux
Universidad de Toulouse 1
Christophe Sibertin-Blanc
Institut de Recherche en
Informatique de Toulouse
Universidad de Toulouse 1
http://soclabproject.wordpress.com/

El interés del caso SocLab
• Diagnóstico: Desconexión entre los MBA y la teoría
social.
• Modelizaciones empíricas vs. Modelizaciones
abstracta
• Desarrollar un sistema multi-agente teóricamente
robusto y empíricamente operativo, para modelizar
y simular de organizaciones sociales.
• Formalización de la ‘Sociología de la Acción
Organizada’.
Traducir el modelo teórico de la SAO en un SMA para
modelizar y simular ‘sistemas de acción’ concretos

La Sociología de la Acción
Organizada (SAO)
• Teoría sociológica desarrollada por Michel Crozier y
Erhard Friedberg.
• Sociología de las organizaciones.
• Enfoque cualitativo. Organizaciones formales.
Michel Crozier Erhard Friedberg

Conceptos básicos de la SAO
Construcción social, conjuntos organizados de
relaciones entre actores. Acción organizada.
Organización
Racionalidad limitada, comportamiento estratégico e
interesado, movilizan recursos para alcanzar objetivos,
incrementar o preservar autonomía y capacidad de
acción.
Actor
“No hay poder sin relación, ni relación sin poder”, control de
una zona de incertidumbre: recurso necesario para la acción de
otro actor. Posibilidad de fijar los ‘términos de intercambio’.
Poder
Objeto de intercambio, necesario para la acción,
constituye una zona de incertidumbre.
Recurso

Sistema de Acción Concreta
(SAC)
• Configuraciones sociales relativamente
estabilizadas en el tiempo, estructuradas
por relaciones de poder.
SAC: Conjunto contextualmente organizado de actores,
sus alianzas, sus relaciones y sus formas de regulación
Contexto de acción
Contexto de
interacción
Contexto
organizacional
SAC

La formalización y modelización
de teorías sociales
Sistema de referencia
Meta-modelo
Teoría sociológica discursiva
Modelo
definición
crítica
formalización
modelización
interpretación
instanciación
crítica

El meta-modelo formal de
“SocLab”
Meta-modelo bajo la forma de un diagrama de clases UML
Fuente: Sibertin-Blanc, Christophe, Adreit, Françoise, Chapron, Paul, El Gemayel, Joseph, Mailliard, Matthias,
Roggero, Pascal, y Vautier, Claude. (2010). Compte-rendu d’une recherche interdisciplinaire entre sociologues
et informaticiens: de la sociologie de l’action organisée au logiciel SocLab. Hermès Science Publications,
29(3).

Precisión y refinamiento
conceptual de la SAO
• Actor: situación de control y dependencia
• Relación:
– Importancia: del recurso en función de los objetivos del actor.
– Estado: expresa el comportamiento del actor que controla la
relación, define el grado de acceso al recurso, impacta en los
actores que dependen de la relación.
– Efecto: consecuencia del estado de una relación sobre un actor.
• Solidaridad: vínculos más o menos cooperativos.
• Poder: contribución de un actor X a la capacidad de acción
de otros actores, lo que X aporta a la estructura de un SAC
• Capacidad de acción: posibilidad de disponer de medios
para alcanzar objetivos, constreñimientos estructurales.

Esquema de actores: importancia,
estado y efecto de las relaciones
Relación A
Actor 1
Actor 2
Actor 3
Relación B
controla
depende
depende
controla
depende
Importancia
Efecto
Estado

SocLab como metodología de
investigación social
Construcción
del problema.
Diseño teórico-
metodológico
Trabajo de campo.
Construcción de datos para la modelización del SAC
Entrevistas en
profundidad
Cuestionarios
estructurados
Modelización
del SAC con
SocLab
Análisis
estructural
del SAC
Simulación de
comportamiento y
regulación de un SAC
Construcción
de escenarios
La modelización y simulación social puede ser la
‘barbarie de la ciencia’ si se practica
sin reflexión teórica, sin datos empíricos,
sin un pensamiento ‘complejo’ crítico y auto-crítico

Análisis de la estructura de un
‘sistema de acción concreta’
• Análisis de elementos y relaciones que definen
la configuración actual del SAC y su forma de
regulación.
• Estudio analítico de las propiedades del SAC:
– Actores
– Alianzas
– Capacidades de acción
– Autonomía
– Relaciones de poder
– Satisfacción
– Conflictos estructurales, convergencia de intereses.

Simulación del funcionamiento de un
‘sistema de acción concreta’
• Simular el comportamiento de los actores y los
cambios de estado de un SAC.
• Analizar la dinámica temporal: formas de regulación
y estabilidad de un SAC (estado estacionario).
• Introducir cambios potenciales.
• Construir escenarios futuros alternativos (estados
posibles).
• Analizar la satisfacción, poder, capacidad de acción
de los actores en dichos escenarios.
• Evaluar la aceptabilidad socio-organizacional de
políticas orientadas al cambio de un SAC.

Mapa conceptual: el meta-
modelo de SocLab

189
Introducción
03
Aproximación práctica
a los modelos de
simulación social
basados en agentes

¿Cómo construir modelos
basados en agentes?
Plataformas y entornos de desarrollo para crear
modelos de simulación basados en agentes.
(“Modeling toolkits” “frameworks”)
http://repast.sourceforge.net/
http://cs.gmu.edu/~eclab/projects/mason/
Swarm
http://www.swarm.org/
http://ccl.northwestern.edu/netlogo/
Recursive Porous Agent
Simulation Toolkit
Multi-Agent Simulator Of Neighborhoods...
or Networks
http://cormas.cirad.fr
COmmon-pool Resources and Multi-
Agent Simulations
MIMOSE
Micro and Multilevel
Modelling Software

Un poco de historia…
Antecedentes de NetLogo
• Lenguaje de programación LOGO
– Uso educativo. Diseñado para aprendizaje
– Creador por Seymour Papert, 1967
• Relacionado con StartLogo
– Múltiples tortugas en interacción.
– Creado por Mitchel Resnick.
– http://education.mit.edu/starlogo/

¿Qué es NetLogo y qué
podemos hacer con él?
• Es un entorno de programación multi-agente
para la creación de modelos de simulación de
sistemas complejos.
– Desarrollado por Uri Wilenskyel “Center for
Connected Learning and Computer-Based
Modeling”. Universidad de Northwestern.
• Permite crear ‘sociedades artificiales’
– Modelar y simular fenómenos sociales con miles de
agentes independientes interactuando entre sí.
– Explorar el vínculo entre el nivel micro y macro.
– Analizar fenómenos emergentes y comportamientos
adaptativos.

Conceptos básicos de NetLogo
• Mundo artificial compuesto por 4 tipos de
agentes:
Tortugas: Las tortugas son agentes que se
desplazan por el mundo virtual.
1
‘Patches’: Entorno bidimensional dividido en una
grilla sobre el cual las tortugas se desplazan.
2
‘Links’: Son vínculos que conectan dos tortugas
3
Observador: Es el sujeto-modelador que ‘observa’
el mundo de tortugas, patches y vínculos.
4

El entorno de NetLogo
‘Patches’
‘Links’
Tortugas
Observador

Configuración y análisis de
simulaciones en NetLogo
“Botones”: ejecutan acciones. Botón “Setup”
configura condiciones iniciales del modelo. “Go”
(forever) inicia la simulación.
Deslizador (“slider”)
Configurar la
simulación
Interruptor (“switch”)
Plantear distintas ‘condiciones iniciales’, explorar diferentes ‘escenarios’,
testear hipótesis: “que pasaría si”. Pensar y aprender sobre el fenómeno
Recolectar
información
Gráficos
(“Plots”)
Monitores
(“monitor”)
Observar la simulación en tiempo real. ¿Qué está pasando en el modelo?

Primera práctica con
NetLogo…
• Instalar NetLogo
– http://ccl.northwestern.edu/netlogo/download
.shtml
• Abrir NetLogo
• Abrir la biblioteca de modelos
• Carpeta “Social Science”.
• Modelo “Traffic Basics”

Modelo: Congestiones de
tráfico

Agentes, reglas de interacción
y parámetros del modelo
• Agentes: conductores de automóviles.
• Reglas: dos reglas simples
– Desacelerar si hay un auto cerca
– Acelerar si no veo un auto cerca
• Variables de entrada: número de autos, tasa
de aceleración, tasa de desaceleración
• Variables de salida.
– Gráfico: velocidad máxima, velocidad mínima,
velocidad del auto rojo.
– Monitor: velocidad del auto rojo.

Análisis de la simulación:
interrogantes
¿Cuál es la causa de las congestiones de tránsito?
¿En qué dirección se mueven los vehículos y en cuál
lo hace la congestión de tránsito?
• ¿Qué sucede si configuramos la ‘desaceleración’
en ‘cero’?
• Si incrementamos la ‘desaceleración’
gradualmente ¿en qué momento cambia el
patrón del flujo de tráfico?
• ¿Cuál es la variable que tiene más impacto en la
formación de las congestiones?

Análisis de los supuestos del
modelo: interrogantes
¿La regla de comportamiento es realista?
¿Hay otras reglas que representen mejor el
comportamiento de manejo? ¿Cuáles serían?
¿Cuáles son los fundamentos
de la regla que propone el modelo?

Segunda práctica: el modelo
predador - presa
• Es un modelo matemático desarrollado por:
– En 1925 por el matemático y físico de estadounidense Alfred J. Lotka
(1880-1949).
– En 1926 por el matemático y biólogo italiano Vito Volterra (1860-
1940).
• Objeto del modelo: análisis de la dinámica de ecosistemas
donde hay dos especies que luchan por sobrevivir en un
mismo hábitat.
• Hay dos especies: (i) depredador (ii) presa.
• ¿Cómo se auto-regula el desarrollo de las especies en el tiempo?
– (i) sistemas inestables: una de las especies desaparece.
– (ii) sistemas estables: el sistema se mantiene a sí mismo aunque hay
fluctuaciones poblacionales.
• Implementación del modelo Lotka-Volterra como MBA.
• NetLogo  Biblioteca  “Biology”  “Wolf Sheep Predation”

Modelo: lobos y ovejas

Agentes y reglas de interacción
• Variación 1: Agentes: lobos y ovejas. Distribución aleatoria de
lobos y ovejas en el territorio.
• Variación 2: Agentes: lobos, ovejas y pasto. Idem. Distribución
aleatoria.
• Los lobos y ovejas tienen una probabilidad fija de reproducción.
• Reglas lobos: (= variación 1 y 2)
– A cada ‘tick’ el lobo consume energía.
– Debe comer una oveja para recuperar energía.
– Si se queda sin energía ‘muere’.
• Reglas ovejas: (variación 2)
– Debe comer pasto para mantener energía.
– Si se queda sin energía ‘muere’.
• Regla pasto: (variación 2)
– Tarda ‘n’ ‘ticks’ en regenerarse.

Variables de entrada
• INITIAL-NUMBER-SHEEP: Tamaño de la población inicial de ovejas
• INITIAL-NUMBER-WOLVES: Tamaño de la población inicial de lobos
• SHEEP-GAIN-FROM-FOOD: Cantidad de energia que obtiene la
oveja de un ‘patch’ de pasto que come
• WOLF-GAIN-FROM-FOOD: Cantidad de energía que obtiene el lobo
de cada oveja que come
• SHEEP-REPRODUCE: Probabilidad de que una oveja se reproduzca
en una unidad de tiempo de la simulación
• WOLF-REPRODUCE: Probabilidad de que un lobo se reproduzca en
una unidad de tiempo de la simulación
• GRASS?: Inclusión o no del ‘agente’ pasto en el modelo
GRASS-REGROWTH-TIME: Cuanto demora el pasto en crecer una
vez que fue comido (en ‘ticks’ unidades de tiempo o pasos de
simulación)
SHOW-ENERGY?: Si se muestra o no la energía de cada animal

Interrogantes
• ¿Cómo fluctúa la población de lobos y ovejas?
• ¿Cómo se relacionan ambas dinámicas?
• ¿Qué sucede al final?
• Si se mantienen las condiciones iniciales ¿el resultado
es siempre el mismo?
Dejar ‘apagado’ (‘off’) el ‘interruptor’ Grass?
Activar (‘on’) el ‘interruptor’ Grass?
• ¿Cuál es el resultado final?
• ¿Cómo se relaciona la dinámica de las tres poblaciones?

206
Introducción
04
Modelos clásicos
y casos prácticos:
algunos ejemplos de MBA

El modelo de segregación
racial de Schelling
• Modelo propuesto por Thomas
Schelling (1919-) en 1969
– Economista. Cooperación y conflicto
a través de teoría de juegos.
– Premio Nobel de Economía (2005).
– Miembro del “New England Complex
Systems Institute”.
Modelo orientado a estudiar la relación entre
conductas individuales y la formación de
patrones de segregación racial (ghettos)

Pensamiento complejo Edgar Morin

Pensamiento complejo Edgar Morin

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to Pensamiento complejo Edgar Morin

Similar to Pensamiento complejo Edgar Morin (20)

More from Comunidad de Pensamiento Complejo

More from Comunidad de Pensamiento Complejo (8)

Recently uploaded

Recently uploaded (20)

Pensamiento complejo Edgar Morin